研究提出富接触操作框架 ILA：将交互潜变量作为机器人动作单元

预印本摘要称，研究人员提出机器人富接触操作框架 ILA，将同时捕捉运动、接触和施力演化的可解码交互潜变量作为策略动作单元。该潜变量通过视觉条件下的动作与触觉联合重构学习，既能作为流匹配目标支持 VLA 模型后训练，也支持从专家演示中提取参考模型进行离线修正与加权学习。实验显示，在 4 项真实任务中，ILA 相比触觉条件直接动作基线将平均成功率提升了 21.0 至 36.5 个百分点。